| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 图目录 | 第11-14页 |
| 第1章 绪论 | 第14-20页 |
| 1.1 课题来源 | 第14页 |
| 1.2 研究背景及意义 | 第14-15页 |
| 1.3 研究现状 | 第15-17页 |
| 1.3.1 交通视频检测系统 | 第15-16页 |
| 1.3.2 关键技术研究现状 | 第16-17页 |
| 1.4 研究内容 | 第17-19页 |
| 1.5 小结 | 第19-20页 |
| 第2章 目标检测算法研究 | 第20-36页 |
| 2.1 提取检测区域 | 第20-21页 |
| 2.2 背景模型 | 第21-24页 |
| 2.2.1 背景初始化算法 | 第21-22页 |
| 2.2.2 背景更新算法 | 第22-24页 |
| 2.3 前景提取 | 第24-26页 |
| 2.3.1 背景差分 | 第24-25页 |
| 2.3.2 连通区域标定 | 第25-26页 |
| 2.4 目标分类 | 第26-30页 |
| 2.4.1 偏心矩特征 | 第26-28页 |
| 2.4.2 基于 Fisher 分类器目标分类算法 | 第28-30页 |
| 2.5 实验效果分析 | 第30-33页 |
| 2.5.1 背景初始化实验效果对比 | 第31-32页 |
| 2.5.2 背景更新算法实验效果 | 第32页 |
| 2.5.3 前景提取实验效果 | 第32-33页 |
| 2.5.4 目标分类实验效果 | 第33页 |
| 2.6 小结 | 第33-36页 |
| 第3章 目标跟踪算法研究 | 第36-60页 |
| 3.1 跟踪算法研究概述 | 第36-38页 |
| 3.1.1 目标的跟踪方法 | 第36-37页 |
| 3.1.2 在线学习的跟踪方法 | 第37-38页 |
| 3.2 在线增强跟踪算法 | 第38-43页 |
| 3.2.1 在线增强分类算法 | 第38-42页 |
| 3.2.2 跟踪过程 | 第42-43页 |
| 3.3 改进的在线增强跟踪算法 | 第43-57页 |
| 3.3.1 级联分类器 | 第43-49页 |
| 3.3.2 主方向模型 | 第49-54页 |
| 3.3.3 目标位置预测模型 | 第54-57页 |
| 3.4 实验效果对比 | 第57-59页 |
| 3.5 小结 | 第59-60页 |
| 第4章 交通冲突判别算法研究 | 第60-73页 |
| 4.1 交通冲突研究概述 | 第60-63页 |
| 4.1.1 交通冲突介绍 | 第60-61页 |
| 4.1.2 交通冲突常用判别模型 | 第61-63页 |
| 4.2 基于临界冲突距离的交通冲突判别模型 | 第63-70页 |
| 4.2.1 潜在危险状态预测 | 第63-65页 |
| 4.2.2 临界冲突距离 | 第65-66页 |
| 4.2.3 冲突等级分类 | 第66页 |
| 4.2.4 交通冲突判别流程 | 第66-67页 |
| 4.2.5 基于视频的交通冲突计数流程 | 第67-70页 |
| 4.3 实例与评价分析 | 第70-72页 |
| 4.3.1 实例分析 | 第70-71页 |
| 4.3.2 对比评价 | 第71-72页 |
| 4.4 小结 | 第72-73页 |
| 第5章 总结与展望 | 第73-74页 |
| 5.1 论文总结 | 第73页 |
| 5.2 研究展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 作者简介 | 第78-79页 |
| 致谢 | 第79-80页 |